Agent Skills
返回列表
🎨

MLX Whisper 本地语音转写

设计多媒体 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @org-eyw2ohcx/sundial-org-awesome-openclaw-skills-mlx-whisper。

技能介绍

要解决什么问题

在 Apple Silicon Mac 上做语音转文字时,常见路径是云端 API 或通用 Python 推理栈,前者有隐私与离线诉求时不够用,后者在 M 系列芯片上未必针对内存与算力做过优化。若你希望在本机完成转写、又不想把音频上传到第三方,就需要一条明确依赖 Apple MLX 的本地 Whisper 管线。

技能如何工作

该技能围绕 MLX Whisper:在 Mac 上使用 OpenAI Whisper 系的 mlx-community 模型做 speech-to-text。模型在首次使用时从 Hugging Face 拉取并缓存到 ~/.cache/huggingface/,之后重复调用不必每次下载。

可选模型覆盖从轻量到高质量整档,例如:

  • mlx-community/whisper-tiny(约 75MB,最快,基础质量)
  • mlx-community/whisper-base / whisper-small / whisper-medium(体积与耗时递增)
  • mlx-community/whisper-large-v3(约 3GB,质量最好、最慢)
  • mlx-community/whisper-large-v3-turbo(约 1.6GB,文档推荐:速度与质量折中较好)

默认模型为 whisper-tiny;需要更好识别效果时可通过 --model mlx-community/whisper-large-v3-turbo 切换。技能侧引导的是「在 Agent 工作流里如何选用档位、理解缓存与默认行为」,而不是重写 Whisper 本身。

适用边界与注意点

  • 硬件:仅适用于 Apple Silicon(M1/M2/M3/M4),Intel Mac 不在 SKILL 声明的支持范围内。
  • 存储:首次跑较大模型会占用数 GB 磁盘(缓存目录同上)。
  • 场景:适合离线纪要、本地素材字幕草稿、不能把录音出网的合规环境;超长实时流式会议同传等需求需自行评估模型速度与内存,SKILL 未承诺低延迟流式 API。

使用场景

  • 在 M 系列 Mac 上对访谈录音做离线转写,音频不能上传公司外网或第三方 API
  • 从本机视频粗剪素材里提取旁白,先用较小 Whisper 模型快速出稿再精修字幕
  • 在无稳定外网的现场,用 Apple Silicon 笔记本把会议录音转成文字纪要
  • 在 Hugging Face 缓存已有 mlx-community Whisper 权重时,按任务在 tiny 与 large-v3-turbo 之间切换模型

适合人员

  • 在 Apple Silicon Mac 上做内容后期、需要本地批量转写口播音频的剪辑
  • 处理涉密或内网-only 录音、必须把转写留在本机的安全/合规相关岗位
  • 维护 OpenClaw 或同类 Agent 技能集、要为 Mac 用户提供 MLX Whisper 选型说明的集成开发者
  • 常用 Hugging Face mlx-community 模型、想在 Agent 对话里快速确认默认模型与 --model 参数的 ML 工程师